Résumé:
Le domaine m´edical est caract´eris´e par son incertitude qui se pr´esente sous plusieurs
formes : l’incompl´etude, l’al´eatoire, l’impr´ecision etc. Ce qui rend le diagnostic difficile pour
les m´edecins surtout dans le cas o`u la maladie est r´ecente et les informations n´ecessaires
pour son diagnostic sont remplies d’incertitudes tel que le Covid-19.
Malgr´e le succ`es des ontologies qui permettent de repr´esenter les connaissances de mani`ere
simple et formelle, elles ne permettent pas la repr´esentation et le raisonnement sous
l’incertitude contrairement aux r´eseaux bay´esiens. En vue de tirer partie des capacit´es des
deux syst`emes nous nous sommes orient´es vers une approche qui consiste `a int´egrer la
connaissance incertaine dans l’ontologie classique via une m´eta ontologie comportant les
composants du r´eseau bay´esien afin de repr´esenter l’incertitude.
L’objectif de notre travail est de concevoir un syst`eme d’aide au diagnostic m´edical, bas´e
sur ce qui a ´et´e synth´etis´e pr´ec´edemment.
Pour la construction de notre ontologie classique nous avons adopt´e la m´ethode Methontology
et avons cre´e notre r´eseau bay´esien hybride en commen¸cant par l’apprentissage de
la structure fait avec l’expert du domaine, ensuite l’apprentissage des param`etres qui a
n´ecessit´e l’utilisation de l’algorithme EM pour les noeuds discr`ets et le d´eveloppement
de l’algorithme best fit pour les noeuds continus qui consiste `a d´et´erminer la meilleure
distribution pour chaque noeud continu. Apr´es l’´elaboration du r´eseau bay´esien hybride
nous avons cr´e´e une m´eta ontologie qui comporte les composants de ce dernier afin de
l’int´egrer dans l’ontologie classique. Nous avons appliqu´e ce processus sur l’´etude de cas du
diagnostic du Covid-19 pour r´ealiser un syst`eme qui aide les m´edecins `a prendre la bonne
d´ecision.
Mots cl´es :
Incertitude, Ontologie, R´eseau Bay´esien hybride, Inf´erence Probabiliste, Covid-19
